CN112161996A - 一种基于图像识别的光伏电池板焊带烧毁检测方法及系统 - Google Patents

一种基于图像识别的光伏电池板焊带烧毁检测方法及系统 Download PDF

Info

Publication number
CN112161996A
CN112161996A CN202011004958.XA CN202011004958A CN112161996A CN 112161996 A CN112161996 A CN 112161996A CN 202011004958 A CN202011004958 A CN 202011004958A CN 112161996 A CN112161996 A CN 112161996A
Authority
CN
China
Prior art keywords
grid line
welding strip
burning
strip
degree
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN202011004958.XA
Other languages
English (en)
Inventor
张延雄
赖慧芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan Yaolan Intelligent Technology Co ltd
Original Assignee
Henan Yaolan Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Henan Yaolan Intelligent Technology Co ltd filed Critical Henan Yaolan Intelligent Technology Co ltd
Priority to CN202011004958.XA priority Critical patent/CN112161996A/zh
Publication of CN112161996A publication Critical patent/CN112161996A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8861—Determining coordinates of flaws
    • G01N2021/8864—Mapping zones of defects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G01N2021/95615—Inspecting patterns on the surface of objects using a comparative method with stored comparision signal

Landscapes

  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及一种基于图像识别的光伏电池板焊带烧毁检测方法及系统。检测方法包括：获取电池板表面的纹理图像处理为样本图像，输入边框回归模型中获取焊带边界框和栅线边界框；获取焊带边界框中每条焊带的焊带裁切图，将其输入语义分割模型中，获取每条被烧毁焊带的烧毁区域；将焊带裁切图、烧毁区域输入到烧毁等级评估模型中，获取每条被烧毁焊带的烧毁等级；获取烧毁区域预设范围内关联栅线的栅线裁切图，将其输入栅线完整度等级评估模型中，获取每条关联栅线的完整度；建立每条被烧毁焊带的损毁程度与损毁参数之间的映射模型；根据每条被烧毁焊带的损毁程度计算电池板的损毁程度。本发明实施例能够准确检测焊带烧毁情况，降低电池板损毁风险。

Description

一种基于图像识别的光伏电池板焊带烧毁检测方法及系统
技术领域
本发明涉及人工智能技术领域，具体涉及一种基于图像识别的光伏电池板焊带烧毁检测方法及系统。
背景技术
光伏电池板在工作时，焊带由于自身原因或工作环境的原因会到导致焊带烧毁，例如焊带的焊点虚焊时会导致焊带电阻增大，焊带产热增加，可能会烧毁焊带；当电池板异物的遮挡时，电池板局部过热，导致焊带烧毁；当电池板被水汽侵蚀时，也会影响焊点的电化学性质，增加焊带电阻和产热量，可能造成焊带烧毁。
电池板烧毁不严重时，不会产生明显的烧毁痕迹，不会影响电池板的工作。但是当焊带烧毁程度加剧时，可能会烧毁周围的栅线，也会导致焊带烧断，烧毁更加严重时可能会使电池板产生热斑甚至烧穿。因此需要检测焊带的烧毁情况，及时更换焊带烧毁严重的电池板，避免其焊带烧毁程度加剧，影响其他电池板的工作。
目前大多通过电池板热斑来确定焊带烧毁情况，发明人在实践中，发现上述现有技术存在缺陷：有电池板热斑不一定有焊带烧毁发生，有焊带烧毁时也不一定有明显的热斑产生，通过检测热斑并不能准确检测到焊带烧毁的情况，而焊带烧毁不严重，没有出现热斑时，无法检测到焊带烧毁情况，给电池板工作留下隐患。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于图像识别的光伏电池板焊带烧毁检测方法及系统，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种基于图像识别的光伏电池板焊带烧毁检测方法，该方法包括以下步骤：
获取电池板表面的纹理图像；
将电池板表面的纹理图像处理为样本图像，输入边框回归模型中获取焊带边界框和栅线边界框；
获取焊带边界框中每条焊带的焊带裁切图，将焊带裁切图输入语义分割模型中，获取每条被烧毁焊带的烧毁区域Mn；
将每条被烧毁焊带的焊带裁切图、烧毁区域输入到烧毁等级评估模型中，获取每条被烧毁焊带的烧毁等级L1m；
获取烧毁区域Mn的预设范围内的关联栅线，并根据栅线边界框获取关联栅线的栅线裁切图，将栅线裁切图输入栅线完整度等级评估模型中，获取每条关联栅线的完整度Fn,i；关联栅线是与焊带相交的栅线；
建立每条被烧毁焊带的损毁程度Dn与损毁参数之间的映射模型，损毁参数包括烧毁区域Mn、焊带烧毁等级L1n和栅线完整度Fn,i；
根据每条被烧毁焊带的损毁程度Dn计算整块电池板的被烧毁焊带的平均损毁程度D。
优选的，预设范围的获取步骤为：
对于一条有烧毁的焊带，获取烧毁区域的目标中心点坐标，以及每个关联栅线的栅线边界框的关联中心点坐标；
以目标中心点坐标和所述关联中心点坐标的距离为烧毁区域与关联栅线的距离，获取距离小于R的所有关联栅线的所述栅线边界框；其中，R为超参数，栅线边界框的数量记为K。
优选的，损毁程度Dn由以下公式得到：
Dn＝An exp(L1n×L2n)
其中，An表示烧毁区域Mn的面积，L2n表示关联栅线的烧毁程度。
优选的，烧毁区域Mn的面积An，计算方法如下：
Figure BDA0002692880020000021
Mn(i,j)表示图像Mn在坐标(i,j)处的像素点的灰度值。
优选的，关联栅线的烧毁程度L2n，计算方法如下：
Figure BDA0002692880020000022
其中
Figure BDA0002692880020000023
L2n,i表示每条关联栅线的烧毁程度。
第二方面，本发明另一个实施例提供了一种基于图像识别的光伏电池板焊带烧毁检测系统。该系统包括：
图像获取模块，用于获取电池板表面的纹理图像；
边界框获取模块，用于将电池板表面的纹理图像处理为样本图像，输入边框回归模型中获取焊带边界框和栅线边界框；
语义分割模块，用于获取焊带边界框中每条焊带的焊带裁切图，将焊带裁切图输入语义分割模型中，获取每条被烧毁焊带的烧毁区域Mn；
烧毁等级评估模块，用于将每条被烧毁焊带的焊带裁切图、烧毁区域输入到烧毁等级评估模型中，获取每条被烧毁焊带的烧毁等级L1n；
栅线完整度等级评估模块，用于获取烧毁区域Mn的预设范围内的关联栅线，并根据栅线边界框获取关联栅线的栅线裁切图，将栅线裁切图输入栅线完整度等级评估模型中，获取每条关联栅线的完整度Fn,i；关联栅线是与焊带相交的栅线；
映射模型建立模块，用于建立每条被烧毁焊带的损毁程度Dn与损毁参数之间的映射模型，损毁参数包括烧毁区域Mn、焊带烧毁等级L1n和栅线完整度Fn,i；以及
损毁程度计算模块，用于根据每条被烧毁焊带的损毁程度Dn计算整块电池板的被烧毁焊带的平均损毁程度D。
优选的，栅线完整度评估模块还包括预设范围定位模块，预设范围定位模块用于：
对于一条有烧毁的焊带，获取烧毁区域的目标中心点坐标，以及每个关联栅线的栅线边界框的关联中心点坐标；
以目标中心点坐标和每个关联中心点坐标的距离为烧毁区域与关联栅线的距离，获取距离小于R的所有关联栅线的栅线边界框；其中，R为超参数，栅线边界框的数量记为K。
优选的，损毁程度计算模块，用于获取损毁程度Dn：
Dn＝An exp(L1n×L2n)
其中，An表示烧毁区域Mn的面积，L2n表示关联栅线的烧毁程度。
优选的，映射模型建立模块包括面积获取模块，用于获取烧毁区域Mn的面积An：
Figure BDA0002692880020000031
Mn(i,J)表示图像Mn在坐标(i,j)处的像素点的灰度值；
优选的，映射模型建立模块还包括烧毁程度获取模块，用于获取关联栅线的烧毁程度L2n：
Figure BDA0002692880020000032
其中
Figure BDA0002692880020000033
L2n,i表示每条关联栅线的烧毁程度。
本发明具有如下有益效果：
本发明实施例能够准确检测到焊带烧毁情况，不需要基于热斑的检测来判断焊带的烧毁情况，而且，当焊带烧毁不严重并未出现热斑的情况下，不会造成漏检，降低了电池板的损毁风险。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于图像识别的光伏电池板焊带烧毁检测系统框架图；
图2为本发明一个实施例所提供的一种基于图像识别的光伏电池板焊带烧毁检测方法流程图；
图3为栅线损坏程度与栅线完整度映射关系的示意图；
图4为本发明一个实施例所提供的一种基于图像识别的光伏电池板焊带烧毁检测系统结构示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于图像识别的光伏电池板焊带烧毁检测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于图像识别的光伏电池板焊带烧毁检测方法及系统的具体方案。
请参阅图1和图2，图1示出了本发明一个实施例提供的一种基于图像识别的光伏电池板焊带烧毁检测系统框架图，图2示出了本发明另一实施例提供的一种基于图像识别的光伏电池板焊带烧毁检测方法流程图。该检测方法的具体步骤如下：
步骤S001：获取电池板表面的纹理图像。
由于焊带的特征不明显，因此使用线扫描相机获得电池板的高清图像，线扫描相机获得的图像没有畸变，有利于后续的计算。本发明实施例所采用的线扫描相机获得的是电池板表面纹理的RGB图像。
步骤S002：将电池板表面的纹理图像处理为样本图像，输入边框回归模型中获取焊带边界框和栅线边界框。
在本实施例中，边框回归模型采用Encoder-Decoder结构，焊带边界框和栅线边界框的获取步骤如下：
1)将步骤S001获得的RGB图像分割为同样大小的子图像作为样本图像，每个子图像应包含一个光伏电池板组件。
2)将样本图像输入边框回归模型中，图像经过第一栅线焊带特征编码器(Encoder1)下采样获得栅线和焊带的特征。
3)再经过第一栅线焊带特征解码器(Decoder1)进行上采样获得每个焊带的边界框和每个栅线的边界框。
4)利用焊带边界框和栅线边界框将每条焊带和栅线裁切出来。
在本实施例中，边框回归模型采用yolov4网络，在其他实施例中，该边框回归模型还可以采用yolov3网络，或者其他的能够实现相同功能的边框回归模型。
步骤S003：获取焊带边界框中每条焊带的焊带裁切图，将焊带裁切图输入语义分割模型中，获取每条被烧毁焊带的烧毁区域Mn。
在本实施例中，语义分割模型采用Encoder-Decoder结构的deeplabv3网络。
具体的，烧毁区域的获取步骤如下：
1)分别将每个焊带裁切图输入到第二焊带烧毁区域特征编码器(Encoder2)中，获得烧毁区域的第一特征图(FeatureMaps1)，第一特征图反映了烧毁区域的特征。
2)所获得的烧毁区域的第一特征图经过第二焊带烧毁区域特征解码器(Decoder2)进行上采样输出烧毁区域的语义区域遮罩(mask)。
3)将遮罩二值化处理后再做归一化处理，处理后的遮罩表示焊带的烧毁区域。
步骤S004：将每条被烧毁焊带的焊带裁切图、烧毁区域输入到烧毁等级评估模型中，获取每条被烧毁焊带的烧毁等级L1n。
本发明实施例使用烧毁等级来描述焊带烧毁的严重程度。
作为一个示例，将烧毁等级分为十个等级：1,2,3，……,10。烧毁等级越大，表示焊带烧毁得越严重，烧毁等级越小，表示焊带烧毁不严重。
在本实施例中，烧毁等级评估模型采用Encoder-FC结构，使用残差网络(ResidualNetwork,resnets)--resnet50网络进行训练。具体训练过程包括：
1)获取训练网络所需的数据集。
通过实施者采集真实场景下不同烧毁程度的焊带图像，并根据焊带烧毁情况来给焊带分配一个烧毁等级。例如当焊带完整没有烧毁时，烧毁等级为1；当焊带烧毁长度为10％左右时，烧毁程度为2；当焊带烧毁长度为90％及以上时，烧毁等级为10。并将其中的焊带裁切图作为网络的输入数据集，并将焊带的烧毁等级作为标签数据。
2)将数据集的80％作为训练集，余下20％作为测试集。
3)将数据集的焊带图像归一化处理后输入烧毁等级评估模型网络中，并将对应的烧毁等级进行one-hot编码，利用交叉熵损失函数和随机梯度下降法训练烧毁等级评估模型网络。
4)获取每条焊带的焊带裁切图及其烧毁区域，并将这两张图输入到训练完成的烧毁等级评估网络中。输入烧毁语义区域是起到一种注意的作用，使网络更多地关注烧毁的区域。
5)第三焊带烧毁等级特征编码器(Encoder3)经输入的数据进行下采样，获得第二特征图(FeatureMaps2)，第三焊带烧毁等级特征编码器反映了焊带的烧毁程度的特征信息。
6)第二特征图经第一全连接层(FC,Fully Connected)的输出获得焊带的烧毁等级。本发明实施例对烧毁等级分为十个等级，将烧毁等级归一化处理。烧毁等级越大说明烧毁程度越严重。
步骤S005：获取烧毁区域Mn的预设范围内的关联栅线，并根据栅线边界框获取关联栅线的栅线裁切图，将栅线裁切图输入栅线完整度等级评估模型中，获取每条关联栅线的完整度Fn,i。
需要说明的是，关联栅线是指与焊带相交的栅线。
本发明实施例使用栅线的完整程度来描述每条栅线的完整情况，将栅线的完整程度分为十一个等级：0，1,2,3，……,10。栅线的完整程度越大，表示栅线保留得越完整、损毁得越不严重；栅线的完整程度越小，表示栅线越不完整、损毁得越严重。
获取预设范围内的栅线，是指对于一条有烧毁的焊带，获取其烧毁区域的目标中心点坐标，以及与该条焊带相交的所有关联栅线的边界框的关联中心点坐标，目标中心点和每个关联中心点的距离视为烧毁区域与关联栅线的距离，获取距离小于R的关联栅线边界框，R为超参数，关联栅线边界框的数量记为K。
优选的，K的取值范围为15～20。基于K的取值范围确定超参数R的数值。
在本实施例中，栅线完整度评估模型为Encoder-FC结构，该栅线完整度评估模型也使用resnet50网络进行训练。具体训练方法包括：
1)获取训练网络所需的数据集。
通过实施者采集真实场景下不同完整程度的焊带图像，并根据栅线的完整程度来给焊带分配一个完整程度。例如当焊带完整没有烧毁时，完整程度为10；当栅线损毁部分为90％左右时，完整程度为1；当栅线只保留了50％左右时，完整程度为5。并将所采集的的栅线裁切图作为网络的输入数据集，栅线的完整程度作为标签数据。
2)将数据集的80％作为训练集，余下20％作为测试集。
3)将数据集的栅线图像归一化处理后输入栅线完整度评估模型网络中，并将对应的完整程度进行one-hot编码，利用交叉熵损失函数和随机梯度下降法训练栅线完整度评估模型网络。
4)获取预设范围内的栅线裁切图，输入到训练完成的栅线完整度评估网络中。
5)输入的图像经第四栅线完整程度特征编码器(Encoder4)进行下采样获得第三特征图(FeatureMaps3)，第三特征图反映了栅线的完整程度的特征信息。
6)第三特征图经第二全连接层分类，获得栅线的完整程度。
步骤S006：建立每条被烧毁焊带的损毁程度Dn与损毁参数之间的映射模型。
损毁参数包括烧毁区域Mn、焊带烧毁等级L1n和栅线完整度Fn,i。
具体的，计算烧毁区域Mn的面积An：
Figure BDA0002692880020000071
其中，Mn(i,j)表示图像Mn在坐标(i,j)处的灰度值。
该灰度值通过以下步骤得到：
将烧毁区域所在的焊带裁切图进行二值化处理，烧毁区域为白色，其他区域为黑色；
将二值化处理后的焊带裁切图进行归一化处理，使白色区域的灰度值为1，黑色区域的灰度值为0。
烧毁区域Mn附近的栅线的烧毁程度为L2n，L2n计算方法如下：
a)设烧毁区域Mn附近的K条栅线的完整度分别为{Fn,1,Fn,2,……,Fn,i……,Fn,K}。
b)本发明实施例认为当栅线的完整度较高时，对栅线的损坏程度L2n的影响小，即当Fn,i取值较大时，L2n对Fn,i的变化不敏感；当栅线的完整度较低时，对栅线的损坏程度L2n的影响也小，即Fn,i取值较小时L2n对Fn,i的变化也不敏感。
c)根据上述说明，计算L2n：
Figure BDA0002692880020000081
其中，
Figure BDA0002692880020000082
d)正如b)所述，L2n为L2n,i的均值，而L2n,i与Fn,i存在着上述的映射关系，这种映射关系的示意图如图3所示，这种映射关系反映的是：当Fn,i取较大或较小值时，L2n,i对Fn,i的变化不敏感。因此当Fn,i取较大或较小值时，L2n对Fn,i的变化也不敏感。
3)建立每条被烧毁焊带的损毁程度Dn与损毁参数之间的映射模型：
Dn＝An exp(L1n×L2n)
步骤S007：根据每条被烧毁焊带的损毁程度Dn计算整块电池板的被烧毁焊带的平均损毁程度D。
整个电池板的损毁程度D为：
Figure BDA0002692880020000083
P表示电池板上出现损毁的焊带的条数。
当电池板的损毁程度D大于一定阈值时需要及时提醒相关人员。例如建立可视化系统，将该电池板显示在可视化系统上，进行提示，工作人员根据情况更换电池板。
综上所述，本发明实施例通过检测发生烧毁的焊带，分析焊带的烧毁范围以及对栅线的影响程度，建立映射模型，并根据映射模型输出的结果判断是否要更换电池板，能够准确检测到焊带烧毁情况，不需要基于热斑的检测来判断焊带的烧毁情况，而且，当焊带烧毁不严重并未出现热斑的情况下，不会造成漏检，降低了电池板的损毁风险。
基于与上述方法实施例相同的发明构思，本发明另一个实施例还提供了一种基于图像识别的光伏电池板焊带烧毁检测系统。
请参阅图4，该系统包括图像获取模块101、边界框获取模块102、语义分割模块103、烧毁等级评估模块104、栅线完整度等级评估模块105、映射模型建立模块106和损毁程度计算模块107。
具体的，图像获取模块101用于获取电池板表面的纹理图像；边界框获取模块102用于将电池板表面的纹理图像处理为样本图像，输入边框回归模型中获取焊带边界框和栅线边界框；语义分割模块103用于焊带边界框中每条焊带的焊带裁切图，将焊带裁切图输入语义分割模型中，获取每条被烧毁焊带的烧毁区域Mn；烧毁等级评估模块104用于将每条被烧毁焊带的焊带裁切图、烧毁区域输入到烧毁等级评估模型中，获取每条被烧毁焊带的烧毁等级L1n；栅线完整度等级评估模块105用于获取烧毁区域Mn的预设范围内的关联栅线，并根据栅线边界框获取关联栅线的栅线裁切图，将栅线裁切图输入栅线完整度等级评估模型中，获取每条关联栅线的完整度Fn,i；关联栅线是与焊带相交的栅线；映射模型建立模块106用于建立每条被烧毁焊带的损毁程度Dn与损毁参数之间的映射模型，损毁参数包括烧毁区域Mn、焊带烧毁等级L1n和栅线完整度Fn,i；以及损毁程度计算模块107用于根据每条被烧毁焊带的损毁程度Dn计算整块电池板的被烧毁焊带的平均损毁程度D。
优选的，栅线完整度评估模块还包括预设范围定位模块，预设范围定位模块用于：
对于一条有烧毁的焊带，获取烧毁区域的目标中心点坐标，以及每个关联栅线的栅线边界框的关联中心点坐标；
以目标中心点坐标和每个关联中心点坐标的距离为烧毁区域与关联栅线的距离，获取距离小于R的所有关联栅线的栅线边界框；其中，R为超参数，栅线边界框的数量记为K。
优选的，损毁程度计算模块，用于获取损毁程度Dn：
Dn＝An exp(L1n×L2n)
其中，An表示烧毁区域Mn的面积，L2n表示关联栅线的烧毁程度。
优选的，映射模型建立模块包括面积获取模块，用于获取烧毁区域Mn的面积An：
Figure BDA0002692880020000091
Mn(i,j)表示图像Mn在坐标(i,j)处的像素点的灰度值；
其中,灰度值通过以下步骤得到：
将烧毁区域所在的焊带裁切图进行二值化处理，烧毁区域为白色，其他区域为黑色；
将二值化处理后的焊带裁切图进行归一化处理，使白色区域的灰度值为1，黑色区域的灰度值为0。
优选的，映射模型建立模块还包括烧毁程度获取模块，用于获取关联栅线的烧毁程度L2n：
Figure BDA0002692880020000092
其中
Figure BDA0002692880020000101
L2n,i表示每条关联栅线的烧毁程度。
综上所述，本发明实施例通过图像获取模块、边界框获取模块检测发生烧毁的焊带，语义分割模块、烧毁等级评估模块、栅线完整度等级评估模块分析焊带的烧毁范围以及对栅线的影响程度，映射模型建立模块和损毁程度计算模块建立映射模型，并根据映射模型输出的结果判断是否要更换电池板，最终组成了一种基于图像识别的光伏电池板焊带烧毁检测系统，能够准确检测到焊带烧毁情况，不需要基于热斑的检测来判断焊带的烧毁情况，而且，当焊带烧毁不严重并未出现热斑的情况下，不会造成漏检，降低了电池板的损毁风险。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于图像识别的光伏电池板焊带烧毁检测方法，其特征在于，该方法包括以下步骤：
获取电池板表面的纹理图像；
将所述电池板表面的纹理图像处理为样本图像，输入边框回归模型中获取焊带边界框和栅线边界框；
获取所述焊带边界框中每条焊带的焊带裁切图，将所述焊带裁切图输入语义分割模型中，获取每条被烧毁焊带的烧毁区域Mn；
将所述每条被烧毁焊带的所述焊带裁切图、所述烧毁区域输入到烧毁等级评估模型中，获取每条被烧毁焊带的烧毁等级L1n；
获取所述烧毁区域Mn的预设范围内的关联栅线，并根据所述栅线边界框获取所述关联栅线的栅线裁切图，将所述栅线裁切图输入栅线完整度等级评估模型中，获取每条所述关联栅线的完整度Fn，i；所述关联栅线是与所述焊带相交的栅线；
建立每条被烧毁焊带的损毁程度Dn与损毁参数之间的映射模型，所述损毁参数包括所述烧毁区域Mn、所述焊带烧毁等级L1n和所述栅线完整度Fn，i；
根据所述每条被烧毁焊带的损毁程度Dn计算整块电池板的被烧毁焊带的平均损毁程度D。
2.根据权利要求1所述的一种基于图像识别的光伏电池板焊带烧毁检测方法，其特征在于，所述预设范围的获取步骤为：
对于一条有烧毁的焊带，获取所述烧毁区域的目标中心点坐标，以及每个所述关联栅线的所述栅线边界框的关联中心点坐标；
以所述目标中心点坐标和每个所述关联中心点坐标的距离为所述烧毁区域与所述关联栅线的距离，获取所述距离小于R的所有所述关联栅线的所述栅线边界框；其中，R为超参数，所述栅线边界框的数量记为K。
3.根据权利要求1所述的一种基于图像识别的光伏电池板焊带烧毁检测方法，其特征在于，所述损毁程度Dn由以下公式得到：
Dn＝An exp(L1n×L2n)
其中，An表示所述烧毁区域Mn的面积，L2n表示所述关联栅线的烧毁程度。
4.根据权利要求3所述的一种基于图像识别的光伏电池板焊带烧毁检测方法，其特征在于，所述烧毁区域Mn的面积An，计算方法如下：
Figure FDA0002692880010000021
Mn(i，j)表示图像Mn在坐标(i，j)处的像素点的灰度值。
5.根据权利要求3所述的一种基于图像识别的光伏电池板焊带烧毁检测方法，其特征在于，所述关联栅线的烧毁程度L2n，计算方法如下：
Figure FDA0002692880010000022
其中
Figure FDA0002692880010000023
L2n，i表示每条所述关联栅线的烧毁程度。
6.一种基于图像识别的光伏电池板焊带烧毁检测系统，其特征在于，该系统包括：
图像获取模块，用于获取电池板表面的纹理图像；
边界框获取模块，用于将所述电池板表面的纹理图像处理为样本图像，输入边框回归模型中获取焊带边界框和栅线边界框；
语义分割模块，用于获取所述焊带边界框中每条焊带的焊带裁切图，将所述焊带裁切图输入语义分割模型中，获取每条被烧毁焊带的烧毁区域Mn；
烧毁等级评估模块，用于将所述每条被烧毁焊带的所述焊带裁切图、所述烧毁区域输入到烧毁等级评估模型中，获取每条被烧毁焊带的烧毁等级L1n；
栅线完整度等级评估模块，用于获取所述烧毁区域Mn的预设范围内的关联栅线，并根据所述栅线边界框获取所述关联栅线的栅线裁切图，将所述栅线裁切图输入栅线完整度等级评估模型中，获取每条所述关联栅线的完整度Fn，i；所述关联栅线是与所述焊带相交的栅线；
映射模型建立模块，用于建立每条被烧毁焊带的损毁程度Dn与损毁参数之间的映射模型，所述损毁参数包括所述烧毁区域Mn、所述焊带烧毁等级L1n和所述栅线完整度Fn，i；以及
损毁程度计算模块，用于根据所述每条被烧毁焊带的损毁程度Dn计算整块电池板的被烧毁焊带的平均损毁程度D。
7.根据权利要求6所述的一种基于图像识别的光伏电池板焊带烧毁检测系统，其特征在于，栅线完整度评估模块还包括预设范围定位模块，所述预设范围定位模块用于：
对于一条有烧毁的焊带，获取所述烧毁区域的目标中心点坐标，以及每个所述关联栅线的所述栅线边界框的关联中心点坐标；
以所述目标中心点坐标和每个所述关联中心点坐标的距离为所述烧毁区域与所述关联栅线的距离，获取所述距离小于R的所有所述关联栅线的所述栅线边界框；其中，R为超参数，所述栅线边界框的数量记为K。
8.根据权利要求6所述的一种基于图像识别的光伏电池板焊带烧毁检测系统，其特征在于，所述损毁程度计算模块，用于获取所述损毁程度Dn：
Dn＝An exp(L1n×L2n)
其中，An表示所述烧毁区域Mn的面积，L2n表示所述关联栅线的烧毁程度。
9.根据权利要求8所述的一种基于图像识别的光伏电池板焊带烧毁检测系统，其特征在于，所述映射模型建立模块包括面积获取模块，用于获取所述烧毁区域Mn的面积An：
Figure FDA0002692880010000031
Mn(i，j)表示图像Mn在坐标(i，j)处的像素点的灰度值。
10.根据权利要求8所述的一种基于图像识别的光伏电池板焊带烧毁检测系统，其特征在于，所述映射模型建立模块还包括烧毁程度获取模块，用于获取所述关联栅线的烧毁程度L2n：
Figure FDA0002692880010000032
其中
Figure FDA0002692880010000033
L2n，i表示每条所述关联栅线的烧毁程度。
CN202011004958.XA 2020-09-21 2020-09-21 一种基于图像识别的光伏电池板焊带烧毁检测方法及系统 Withdrawn CN112161996A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011004958.XA CN112161996A (zh) 2020-09-21 2020-09-21 一种基于图像识别的光伏电池板焊带烧毁检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011004958.XA CN112161996A (zh) 2020-09-21 2020-09-21 一种基于图像识别的光伏电池板焊带烧毁检测方法及系统

Publications (1)

Publication Number Publication Date
CN112161996A true CN112161996A (zh) 2021-01-01

Family

ID=73864352

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011004958.XA Withdrawn CN112161996A (zh) 2020-09-21 2020-09-21 一种基于图像识别的光伏电池板焊带烧毁检测方法及系统

Country Status (1)

Country Link
CN (1) CN112161996A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113947863A (zh) * 2021-10-13 2022-01-18 上海翼枭航空科技有限公司 一种无人航空器的远程控制方法及其系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113947863A (zh) * 2021-10-13 2022-01-18 上海翼枭航空科技有限公司 一种无人航空器的远程控制方法及其系统

Similar Documents

Publication Publication Date Title
WO2021169335A1 (zh) 一种锂电池极耳激光焊点视觉在线检测方法
CN113658132B (zh) 基于计算机视觉的结构件焊缝检测方法
CN102175700B (zh) 数字x射线图像焊缝分割和缺陷检测方法
CN115205290B (zh) 一种pcb板生产过程在线检测方法及系统
CN112465746B (zh) 一种射线底片中小缺陷检测方法
CN110596120A (zh) 玻璃边界缺陷检测方法、装置、终端及存储介质
CN104574418A (zh) 基于神经网络的压力容器焊缝缺陷识别方法及其装置
WO2023221801A1 (zh) 图像处理方法及装置、计算机可读存储介质、电子设备
JP2010139317A (ja) 軸物工具表面の欠陥検査方法および装置
CN115147370A (zh) 一种电池顶盖焊接缺陷检测方法、装置、介质及电子设备
CN113196040A (zh) 表面缺陷检测方法、表面缺陷检测装置、钢材的制造方法、钢材的品质管理方法、钢材的制造设备、表面缺陷判定模型的生成方法及表面缺陷判定模型
CN116309409A (zh) 一种焊缝缺陷检测方法、系统和存储介质
CN112101138A (zh) 基于深度学习的桥梁拉索表面缺陷实时识别系统及方法
CN114719749A (zh) 基于机器视觉的金属表面裂纹检测及真实尺寸测量方法及系统
CN112730454A (zh) 基于光学、红外热波与超声波融合的复合材料的损伤智能检测方法
JP2014020926A (ja) 表面欠陥検査装置及び表面欠陥検査方法
CN112161996A (zh) 一种基于图像识别的光伏电池板焊带烧毁检测方法及系统
CN115239646A (zh) 输电线路的缺陷检测方法、装置、电子设备及存储介质
CN113487563B (zh) 一种基于el图像的光伏组件隐裂自适应检测方法
CN114627122A (zh) 一种缺陷检测方法及装置
CN113962929A (zh) 光伏电池组件缺陷检测方法、系统及光伏电池组件生产线
JPH09119900A (ja) コンクリート欠陥の自動評価方法
CN110376211B (zh) 一种湿法涂胶的合成革卷边在线检测装置及方法
CN116051542B (zh) 缺陷检测方法及缺陷检测装置
CN115953387A (zh) 一种基于深度学习的射线图像焊缝缺陷检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210101